当前位置：首页 > news >正文

【期货量化策略】期货量化交易策略统计套利（Python量化）

news 2026/5/12 4:47:42

一、前言

统计套利是基于统计模型的套利策略，通过寻找价格关系的统计规律进行套利。本文将介绍统计套利的实现方法。

统计套利基本原理
协整分析
配对交易
多品种统计套利
风险控制

二、为什么选择天勤量化（TqSdk）

功能	说明
多品种数据	支持同时获取多个品种数据
统计分析	支持统计分析
实时数据	支持实时行情数据
灵活扩展	支持自定义策略

安装方法：

pipinstalltqsdk pandas numpy statsmodels

三、统计套利基础

3.1 统计套利原理

原理	说明
价格关系	相关品种价格存在稳定关系
价差波动	价差在均值附近波动
回归均值	价差会回归均值
套利机会	价差偏离时套利

3.2 应用场景

场景	说明
相关品种	高度相关的品种
同品种不同合约	同一品种不同月份
跨市场	不同市场相同品种

四、协整分析

4.1 协整检验

#!/usr/bin/env python# -*- coding: utf-8 -*-""" 功能：统计套利 说明：本代码仅供学习参考 """fromtqsdkimportTqApi,TqAuthfromstatsmodels.tsa.stattoolsimportcoint,adfullerimportpandasaspdimportnumpyasnpdeftest_cointegration(price1,price2):""" 协整检验 参数: price1: 价格序列1 price2: 价格序列2 """score,pvalue,_=coint(price1,price2)return{'cointegrated':pvalue<0.05,'pvalue':pvalue,'score':score}# 使用示例api=TqApi(auth=TqAuth("快期账户","快期密码"))klines1=api.get_kline_serial("SHFE.rb2510",3600,500)klines2=api.get_kline_serial("SHFE.hc2510",3600,500)api.wait_update()price1=klines1['close']price2=klines2['close']coint_result=test_cointegration(price1,price2)print(f"协整:{coint_result['cointegrated']}")print(f"P值:{coint_result['pvalue']:.4f}")api.close()

4.2 协整系数估计

fromsklearn.linear_modelimportLinearRegressiondefestimate_hedge_ratio(price1,price2):"""估计对冲比率"""X=price1.values.reshape(-1,1)y=price2.values model=LinearRegression()model.fit(X,y)hedge_ratio=model.coef_[0]returnhedge_ratio

五、配对交易

5.1 价差计算

defcalculate_spread(price1,price2,hedge_ratio):"""计算价差"""spread=price2-hedge_ratio*price1returnspread

5.2 配对交易策略

defpairs_trading_strategy(api,symbol1,symbol2,klines1,klines2,threshold=2):"""配对交易策略"""price1=klines1['close']price2=klines2['close']# 协整检验coint_result=test_cointegration(price1,price2)ifnotcoint_result['cointegrated']:return0# 估计对冲比率hedge_ratio=estimate_hedge_ratio(price1,price2)# 计算价差spread=calculate_spread(price1,price2,hedge_ratio)spread_mean=spread.rolling(20).mean()spread_std=spread.rolling(20).std()current_spread=spread.iloc[-1]z_score=(current_spread-spread_mean.iloc[-1])/spread_std.iloc[-1]# Z-score过大，做空价差ifz_score>threshold:api.insert_order(symbol1,"SELL","OPEN",1)api.insert_order(symbol2,"BUY","OPEN",int(hedge_ratio))return1# Z-score过小，做多价差elifz_score<-threshold:api.insert_order(symbol1,"BUY","OPEN",1)api.insert_order(symbol2,"SELL","OPEN",int(hedge_ratio))return-1return0

六、多品种统计套利

6.1 多品种协整

defmulti_cointegration(klines_dict):"""多品种协整分析"""prices=pd.DataFrame({symbol:klines['close']forsymbol,klinesinklines_dict.items()})# 简化处理：两两协整检验coint_pairs=[]symbols=list(klines_dict.keys())foriinrange(len(symbols)):forjinrange(i+1,len(symbols)):result=test_cointegration(prices[symbols[i]],prices[symbols[j]])ifresult['cointegrated']:coint_pairs.append((symbols[i],symbols[j],result))returncoint_pairs

6.2 投资组合套利

defportfolio_arbitrage(api,symbols,klines_dict,threshold=2):"""投资组合套利"""# 计算投资组合价差# 简化处理：等权重组合prices=pd.DataFrame({symbol:klines['close']forsymbol,klinesinklines_dict.items()})portfolio_price=prices.mean(axis=1)# 计算与均值的偏离mean_price=portfolio_price.rolling(20).mean()std_price=portfolio_price.rolling(20).std()current_price=portfolio_price.iloc[-1]z_score=(current_price-mean_price.iloc[-1])/std_price.iloc[-1]# 根据Z-score调整仓位ifabs(z_score)>threshold:# 执行套利passreturnz_score

七、风险控制

7.1 止损设置

defset_stop_loss(spread,entry_spread,stop_loss_std=3):"""设置止损"""spread_std=spread.rolling(20).std().iloc[-1]stop_loss=entry_spread+stop_loss_std*stop_loss_stdreturnstop_loss

7.2 仓位管理

defcalculate_position_size(api,symbol,max_risk=0.02):"""计算仓位大小"""account=api.get_account()api.wait_update()risk_amount=account.balance*max_risk# 根据价差波动计算仓位# ...returnposition_size